公司决定使用kafka来作为新一代的消息队列来使用，于是开始对kafka的机制，原理，go客户端的使用，各种了解了一番，过程中也遇到了不少的坑，特地写出来，和大家分享，也供自己参考，加深印象。
首先，kafka的设计思想，各个角色比如broker，producer，consumer，partition等等还有与它们相关的配置，这里就先不作介绍了，官方文档都有，文章后面也会提到。
客户端选择：
go连接kafka的客户端不多，综合对比了下，决定使用sarama
“go get github.com/Shopify/sarama”
生产者：
func SaramaProducer() {
config := sarama.NewConfig()
//等待服务器所有副本都保存成功后的响应
config.Producer.RequiredAcks = sarama.WaitForAll
//随机向partition发送消息
config.Producer.Partitioner = sarama.NewRandomPartitioner
//是否等待成功和失败后的响应,只有上面的RequireAcks设置不是NoReponse这里才有用.
config.Producer.Return.Successes = true
config.Producer.Return.Errors = true
//设置使用的kafka版本,如果低于V0_10_0_0版本,消息中的timestrap没有作用.需要消费和生产同时配置
//注意，版本设置不对的话，kafka会返回很奇怪的错误，并且无法成功发送消息
config.Version = sarama.V0_10_0_1
fmt.Println("start make producer")
//使用配置,新建一个异步生产者
producer, e := sarama.NewAsyncProducer([]string{"182.61.9.153:6667","182.61.9.154:6667","182.61.9.155:6667"}, config)
if e != nil {
fmt.Println(e)
return
}
defer producer.AsyncClose()
//循环判断哪个通道发送过来数据.
fmt.Println("start goroutine")
go func(p sarama.AsyncProducer) {
for{
select {
case <-p.Successes():
//fmt.Println("offset: ", suc.Offset, "timestamp: ", suc.Timestamp.String(), "partitions: ", suc.Partition)
case fail := <-p.Errors():
fmt.Println("err: ", fail.Err)
}
}
}(producer)
var value string
for i:=0;;i++ {
time.Sleep(500*time.Millisecond)
time11:=time.Now()
value = "this is a message 0606 "+time11.Format("15:04:05")
// 发送的消息,主题。
// 注意：这里的msg必须得是新构建的变量，不然你会发现发送过去的消息内容都是一样的，因为批次发送消息的关系。
msg := &sarama.ProducerMessage{
Topic: "0606_test",
}
//将字符串转化为字节数组
msg.Value = sarama.ByteEncoder(value)
//fmt.Println(value)
//使用通道发送
producer.Input() <- msg
}
}这里使用的是异步producer，kafka的producer有个特点是，批次发送，这么做的好处就是，可以提高吞吐量，所以我们在看几个主流的消息队列性能测试对比的时候，kafka的吞吐量是遥遥领先的。
producer还有个特性是，就是每发送一次消息，都会要求broker返回一个消息回执，即ack。如果ack没有收到，producer会进行重发，如果设置了重发次数的话。这个ack有三种模式：
// The level of acknowledgement reliability needed from the broker (defaults
// to WaitForLocal). Equivalent to the `request.required.acks` setting of the JVM producer.
// 等同于jvm kafka中的`request.required.acks`
RequiredAcks RequiredAcks
type RequiredAcks int16
const (
// 第一个模式，NoResponse doesn't send any response, the TCP ACK is all you get.
NoResponse RequiredAcks = 0
//第二个模式， WaitForLocal waits for only the local commit to succeed before responding.
WaitForLocal RequiredAcks = 1
// 第三个模式，WaitForAll waits for all in-sync replicas to commit before responding.
// The minimum number of in-sync replicas is configured on the broker via
// the `min.insync.replicas` configuration key.
WaitForAll RequiredAcks = -1
)如果RequiredAcks设置为0，在这种情况下，服务器是否收到请求是没法保证的，并且参数retries（重发）也不会生效（因为客户端无法获得失败信息）。既然提到了重发，可以看一下下面sarama的重发定义：
Retry struct {
// The total number of times to retry sending a message (default 3).
// Similar to the `message.send.max.retries` setting of the JVM producer.
Max int
// How long to wait for the cluster to settle between retries
// (default 100ms). Similar to the `retry.backoff.ms` setting of the
// JVM producer.
Backoff time.Duration
}消费者：
func SaramaConsumer() {
fmt.Println("start consume")
config := sarama.NewConfig()
//提交offset的间隔时间，每秒提交一次给kafka
config.Consumer.Offsets.CommitInterval = 1 * time.Second
//设置使用的kafka版本,如果低于V0_10_0_0版本,消息中的timestrap没有作用.需要消费和生产同时配置
config.Version = sarama.V0_10_0_1
//consumer新建的时候会新建一个client，这个client归属于这个consumer，并且这个client不能用作其他的consumer
consumer, err := sarama.NewConsumer([]string{"182.61.9.153:6667","182.61.9.154:6667","182.61.9.155:6667"}, config)
if err != nil {
panic(err)
}
//新建一个client，为了后面offsetManager做准备
client, err := sarama.NewClient([]string{"182.61.9.153:6667","182.61.9.154:6667","182.61.9.155:6667"}, config)
if err != nil {
panic("client create error")
}
defer client.Close()
//新建offsetManager，为了能够手动控制offset
offsetManager,err:=sarama.NewOffsetManagerFromClient("group111",client)
if err != nil {
panic("offsetManager create error")
}
defer offsetManager.Close()
//创建一个第2分区的offsetManager，每个partition都维护了自己的offset
partitionOffsetManager,err:=offsetManager.ManagePartition("0606_test",2)
if err != nil {
panic("partitionOffsetManager create error")
}
defer partitionOffsetManager.Close()
fmt.Println("consumer init success")
defer func() {
if err := consumer.Close(); err != nil {
log.Fatalln(err)
}
}()
//sarama提供了一些额外的方法，以便我们获取broker那边的情况
topics,_:=consumer.Topics()
fmt.Println(topics)
partitions,_:=consumer.Partitions("0606_test")
fmt.Println(partitions)
//第一次的offset从kafka获取(发送OffsetFetchRequest)，之后从本地获取，由MarkOffset()得来
nextOffset,_:=partitionOffsetManager.NextOffset()
fmt.Println(nextOffset)
//创建一个分区consumer，从上次提交的offset开始进行消费
partitionConsumer, err := consumer.ConsumePartition("0606_test", 2, nextOffset+1)
if err != nil {
panic(err)
}
defer func() {
if err := partitionConsumer.Close(); err != nil {
log.Fatalln(err)
}
}()
// Trap SIGINT to trigger a shutdown.
signals := make(chan os.Signal, 1)
signal.Notify(signals, os.Interrupt)
fmt.Println("start consume really")
ConsumerLoop:
for {
select {
case msg := <-partitionConsumer.Messages():
log.Printf("Consumed message offset %d\n message:%s", msg.Offset,string(msg.Value))
//拿到下一个offset
nextOffset,offsetString:=partitionOffsetManager.NextOffset()
fmt.Println(nextOffset+1,"...",offsetString)
//提交offset，默认提交到本地缓存，每秒钟往broker提交一次（可以设置）
partitionOffsetManager.MarkOffset(nextOffset+1,"modified metadata")
case <-signals:
break ConsumerLoop
}
}
}至此，一个初步的consumer构建好了，很多关于consumer的内容见上面代码的注释。可以根据consumer.Partitions(“topic”)来获取这个topic的所有分区，然后为每个分区构建一个consumer，然后进行消费。
这样挺麻烦的，也不够优雅，其实kafka的consumer还有个很重要的机制，就是consumer group，可惜sarama并不支持，不过有另一个开源的库，叫做”github.com/bsm/sarama-cluster”，它是在sarama上加了一层封装，支持了consumer group，这个我会在下一篇文章中写到。